李玥霖 雷 穎 史瑋東
(重慶郵電大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,重慶 400065)
提高幫扶成效,可使群眾生活切實得到改善,其中對扶貧效果的評價較為關(guān)鍵。目前較為流行的評價角度有對扶貧績效進行量化和對被幫扶群眾滿意度進行量化兩種方式。
對扶貧績效進行量化,即對被評價單位的經(jīng)濟、文化、教育、環(huán)境等各個方面的各項具體指標(biāo)進行收集處理,再根據(jù)建立的某個評價體系進行評價,這個評價體系往往是使用主成分分析法或?qū)哟畏治龇ㄋ⒌?。如使用層次分析法對以金融機構(gòu)主導(dǎo)的金融扶貧模式進行評價[1],這種評價區(qū)分度較高,模型容易理解,但是所用模型主觀性較強,不具有普適性;或使用時序主成分分析法對云南省扶貧績效進行評價[2],這種評價較為充分地利用了已知數(shù)據(jù),所得結(jié)果較為準(zhǔn)確,但是其使用的模型基于數(shù)據(jù)特征進行評價,無法給出具體意義。對扶貧績效進行量化的主要步驟是搜集并分析數(shù)據(jù)、構(gòu)建評價指標(biāo)體系、利用評價指標(biāo)體系進行評價,其中,評價指標(biāo)體系的構(gòu)建較為關(guān)鍵,不同的構(gòu)建方法會對評價效果產(chǎn)生較大影響。
對幫扶群眾滿意度進行量化,一般是通過發(fā)放調(diào)查問卷的方式對群眾意見進行收集,再對收集而來的意見進行分析評價。如對湖北省神農(nóng)架區(qū)域內(nèi)貧困人口滿意度進行調(diào)查,進而分析當(dāng)?shù)刎毨丝诘氖找娓兄M意度與參與意愿[3]。這些結(jié)論對扶貧決策具有重要意義。與僅對扶貧績效進行量化評價相比,量化評價幫扶群眾滿意度獲得的信息含義更為豐富、更能代表群眾的切實需求;但其主觀性較強,調(diào)查難度較大、成本較高。
上述研究從兩個評價角度對扶貧工作進行量化,只能簡單對扶貧單位進行排序,對政策方向提供的幫助較少。本文借助機器學(xué)習(xí)方法對西南某地區(qū)群眾滿意度與扶貧績效各維度數(shù)據(jù)進行建模,進而對所得模型進行處理和分析。旨在對扶貧績效與幫扶群眾滿意度的關(guān)系進行探究,從而得出群眾感知明顯的幫扶方向,為政策制定提供依據(jù)。本文還對扶貧單位按照扶貧類型進行分類,使用雷達圖較為直觀地橫向比較不同類型扶貧單位的滿意度構(gòu)成差異,從而為根據(jù)幫扶類型精準(zhǔn)決策提供政策依據(jù)。
為了獲取被幫扶群眾滿意度情況,了解貧困村村民對扶貧政策的評價程度,調(diào)查小組列出了7個不同的指標(biāo),根據(jù)隨機分發(fā)的調(diào)查問卷得到村民對各個指標(biāo)的滿意程度(見表1),對其結(jié)果按百分制進行評價,最終評分以各指標(biāo)權(quán)重加權(quán)平均計算,再對最終評分進行歸一化處理。
表1 群眾滿意度調(diào)查問卷得分情況
對滿意度調(diào)查獲取的有效記錄中,總體滿意度的數(shù)據(jù)峰度與偏度絕對值接近0,標(biāo)準(zhǔn)差為4.81,數(shù)據(jù)較為集中,眾數(shù)與中位數(shù)相等,近似呈現(xiàn)略扁平的正態(tài)分布形態(tài),因此,有95%的把握保證調(diào)查得到的數(shù)據(jù)真實可靠。
本小組在兩個時間點對西南某地區(qū)貧困村進行調(diào)研,把幫扶單位分為5個類型,從村民經(jīng)濟收入、產(chǎn)業(yè)發(fā)展情況、住房環(huán)境、教育及文化、基礎(chǔ)設(shè)施5個維度對被幫扶對象進行單獨評分。
觀察所得初始數(shù)據(jù),發(fā)現(xiàn)有部分記錄存在數(shù)據(jù)部分缺失、取值錯誤等問題,將這些記錄舍去。
由于不同的評價指標(biāo)具有不同的量綱和量綱單位,這種情況有較大可能對數(shù)據(jù)分析的結(jié)果產(chǎn)生不必要的影響。為了消除這種影響,考慮對原始數(shù)據(jù)進行歸一化處理:
進行min-max標(biāo)準(zhǔn)化,將結(jié)果值映射到(0,1),轉(zhuǎn)換函數(shù)如下:
式(1)中max是樣本數(shù)據(jù)的最大值,min是樣本數(shù)據(jù)的最小值。
假設(shè)群眾滿意度數(shù)據(jù)與扶貧單位各項指標(biāo)存在線性關(guān)系,即
式(2)中,y是上文得到的群眾滿意度,x1,x2,x3,x4,x5是上文得到的5個維度的扶貧單位指標(biāo),分別對應(yīng)各村莊的村民經(jīng)濟收入、產(chǎn)業(yè)發(fā)展情況、住房環(huán)境、教育及文化、基礎(chǔ)設(shè)施5個維度評分。ω1,ω2,ω3,ω4,ω5為擬合出的相關(guān)系數(shù),實際意義為各扶貧單位的具體指標(biāo)對群眾滿意度的貢獻情況。ω0在本模型中無實際意義。
本文采用sklearn中的線性回歸方法,對上述模型進行擬合,從而得到不同幫扶單位在5個評價維度上的貢獻程度,并借助雷達圖來反映5種不同類型的幫扶單位在各維度貢獻情況的異同。
sklearn,全稱是Scikit-learn,是機器學(xué)習(xí)領(lǐng)域中最著名的python模塊之一[4],它對常見的機器學(xué)習(xí)方法進行了封裝,具有簡單高效、適用于多種復(fù)雜環(huán)境的特點。
sklearn中的線性回歸被定義為擬合函數(shù)是:
擬合系數(shù)為:
的線性模型,擬合的線性模型為:
目的在于最小化樣本集中觀測點和線性近似的預(yù)測點之間的殘差平方和,可以利用平方和最小來控制其損失。
因此,只需解決下面的問題:
式(6)中ω是線性模型的截距。
第1類幫扶單位類型:
(ω0,ω1,ω2,ω3,ω4,ω5)= [-0.188 4,-0.0649825,0.1182644, 1.4743704, -0.01950562, 0.1603619]
第2類幫扶單位類型:
(ω0,ω1,ω2,ω3,ω4,ω5) = [0.1439,-0.049974,-0.5081879, 0.7499256,0.175443, 0.3503649]
第3類幫扶單位類型:
(ω0,ω1,ω2,ω3,ω4,ω5)=[1.0836, 0.5333999,0.2556599, -0.0395506, 0.1092588, 0.059687]
第4類幫扶單位類型:
(ω0,ω1,ω2,ω3,ω4,ω5) =[0.6151, -0.7978457,-0.2297925, 0.5616852,-0.0791224, -0.0999094]
第5類幫扶單位類型:
(ω0,ω1,ω2,ω3,ω4,ω5)= [0.2150, -0.2275529,0.0320203, -0.15191834,-0.02787831, -0.03356937]
上述5組數(shù)據(jù)的雷達圖如圖1所示:
圖1 各幫扶單位具體得分雷達圖
觀察各幫扶單位得分,發(fā)現(xiàn)各個系數(shù)大小分布較均勻,說明模型假設(shè)的線性關(guān)系符合數(shù)據(jù)實際情況,模型擬合較好。
分析上述所得結(jié)果,結(jié)合圖1,不難發(fā)現(xiàn)雷達圖中各幫扶單位整體來說在住房環(huán)境、教育及文化兩個維度的表現(xiàn)較突出,即大部分扶貧單位在住房環(huán)境、教育及文化這兩項上的得分較高,說明在住房環(huán)境、教育及文化上的改善群眾較為滿意;而在產(chǎn)業(yè)發(fā)展情況、基礎(chǔ)設(shè)施這兩項上的得分則普遍較低,說明扶貧單位在提高產(chǎn)業(yè)發(fā)展水平、改善基礎(chǔ)設(shè)施這幾個具體類別上仍然有較大的提升空間。
不僅如此,不同扶貧單位的扶貧特點也存在較大差異,這一點可以從不同類型的雷達圖形狀得知。如類型1、2、4扶貧單位所對應(yīng)的雷達圖形狀在住房環(huán)境維度較為突出,這一方面說明該類扶貧單位在產(chǎn)業(yè)發(fā)展、住房環(huán)境方面的幫扶切實有效、成果突出,群眾較為滿意;另一方面也表現(xiàn)出其在其他方面的幫扶成果不顯著,甚至低于平均水平。類型3的扶貧單位所對應(yīng)的雷達圖形狀在教育及文化維度較為突出,說明該類扶貧單位教育及文化方面幫扶成果村民較為滿意。而類型5的扶貧單位雷達圖形狀較均勻,說明村民在5個方面都較為滿意。
由上述結(jié)果分析得知,貧困群眾對住房環(huán)境、教育及文化、村民經(jīng)濟收入的提升較為滿意,而產(chǎn)業(yè)發(fā)展、基礎(chǔ)設(shè)施的提升不能有效提高群眾的滿意度。貧困群眾長期處于生活艱難的狀況,渴望與自身生活息息相關(guān)的方面發(fā)生改變,希望得到實際能感受到的好處,這也就是住房環(huán)境、教育及文化、經(jīng)濟收入這些實實在在的方面能夠有效提升群眾滿意度的原因之一。但是,要想真正實現(xiàn)長期脫貧不返貧,產(chǎn)業(yè)發(fā)展與基礎(chǔ)設(shè)施的提升也是必不可少的。因此,在脫貧攻堅工作中,扶貧單位不僅要在住房環(huán)境、教育及文化、村民經(jīng)濟收入等群眾喜聞樂見、看得到的方面下苦功,提升群眾獲得感[5],而且要在產(chǎn)業(yè)發(fā)展、基礎(chǔ)設(shè)施建設(shè)上發(fā)力改善,為脫貧人口長遠發(fā)展打下堅實基礎(chǔ)。
本文對扶貧績效與受幫扶群眾滿意度關(guān)系分別進行量化分析,并使用機器學(xué)習(xí)方法對扶貧績效與受幫扶群眾滿意度的關(guān)系進行了探究,定量分析了與受幫扶群眾滿意度聯(lián)系最為緊密的扶貧工作維度,能夠為提升困難群眾獲得感和打贏脫貧攻堅戰(zhàn)提供參考。
開封文化藝術(shù)職業(yè)學(xué)院學(xué)報2020年12期